高校专区
d3LLM：基于伪轨迹蒸馏的超快扩散大语言模型
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 d3LLM通过伪轨迹蒸馏和熵基多块解码技术，在提升并行性的同时保持准确性，实现超快的扩散大语言模型。
Comments ICML 2026
蒸馏前先前瞻：智能体策略内蒸馏中教师指导的未来轨迹验证
机构 * Meituan LongCat Interaction（美团龙猫交互） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； Peking University（北京大学） ； Nanjing University（南京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Jilin University（吉林大学） ； University of Science and Technology of China（中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 该研究针对策略内蒸馏的学生轨迹偏差问题，提出FutureBridge-OPD方法，在多任务基准上显著优于现有方法，代码公开可用。
Comments 15 pages, 5 figures
用于一致多参考图像编辑的评估-验证奖励
机构 * Xi’an Jiaotong University（西安交通大学） ； Amap, Alibaba（高德，阿里巴巴） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对多参考图像编辑的视觉一致性与奖励模型缺失问题，提出多维度评估-验证奖励EVR，实现无需架构改动的现成编辑器RL微调，性能优于Qwen-Image-Edit并达到或超NanoBanana。
AudioDER: 一种用于后训练大型音频语言模型的去重增强推理数据集
机构 * College of Computer Science and Technology, National University of Defense Technology（国防科技大学计算机科学与技术学院） ； Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Shanghai Jiaotong University（上海交通大学）
AI总结 针对现有音频-语言数据集冗余导致后训练效果下降的问题，提出基于声学相似性去重的数据构建流程，生成包含191k样本的推理导向数据集AudioDER，显著提升LALM在多个音频推理基准上的性能。
Any3DAvatar：从单张肖像图像快速高质量重建完整头部3D虚拟人物
机构 * Shanghai Jiaotong University（上海交通大学）
AI总结 本文提出Any3DAvatar，通过统一数据集和结构化3D高斯骨架实现单图快速高质量头部3D重建，兼顾精度与速度。
XGrammar-2: 面向智能体LLM的高效动态结构化生成引擎
机构 * Shanghai Jiao Tong University（上海交通大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Carnegie Mellon University, NVIDIA（卡内基梅隆大学，NVIDIA）
AI总结 针对智能体LLM中动态结构化生成（如工具调用和响应协议）的挑战，提出XGrammar-2引擎，通过标签触发结构切换和跨语法子结构缓存实现高效编译与近零开销。
Comments 9 pages, ACM CAIS 26
Metis：记忆基础模型
机构 * MemTensor (Shanghai) Technology Co., Ltd.（墨芯（上海）科技有限公司） ； Renmin University of China（中国人民大学） ； National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tongji University（同济大学）
AI总结 该研究提出首个记忆基础模型原型Metis，赋予基础模型原生记忆能力，通过新架构与优化目标实现，经实验验证其具备原生记忆能力并发布相关资源。
Comments 46 pages, 11 figures, 16 tables
诊断和缓解长视野搜索中的上下文腐烂
机构 * Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； SII GAIR
AI总结 本文研究大语言模型在长视野任务中因上下文过长导致的性能退化（上下文腐烂），通过实验揭示其普遍性，并提出上下文管理和拒绝采样两种缓解策略。
RoboProcessBench：视觉语言机器人操作中的过程感知理解基准测试
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； China University of Mining Technology（中国矿业大学）
AI总结 提出RoboProcessBench基准，通过静态监控和动态推理两个维度、12个诊断问题家族，评估视觉语言模型在机器人操作中的过程感知理解能力，并基于58k问答对数据集验证了当前模型的局限性及后训练的有效性。
GS-Playground：一种高吞吐量的视觉真实模拟器用于基于视觉的机器人学习
机构 * THU（清华大学） ； Motphys ； Dexmal ； DISCOVER Robotics ； HKUST(GZ)（香港科技大学（广州）） ； BIT（北京理工大学） ； NUS（新加坡国立大学） ； HITSZ（哈尔滨工业大学） ； XJTU（西安交通大学） ； NJU（南京大学） ； SJTU（上海交通大学） ； D-Robotics
AI总结 GS-Playground通过高吞吐量的多模态模拟框架，结合高效物理引擎和3DGS渲染管道，提升视觉强化学习的效率，降低大规模视觉RL的门槛，实现感知与物理的无缝衔接。
Comments Robotics: Science and Systems 2026
CoLT: 教会多模态模型通过潜在思维链进行思考
机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； NKIARI ； AAIS & VCIP, Nankai University（南开大学AAIS & VCIP） ； Tianjin University（天津大学）
AI总结 提出CoLT框架，用潜在思维链代替文本推理，通过前向和后向解码器监督及内部监督实现高效多模态推理，在8个基准上优于现有方法，推理时间减少10.1倍。
Comments Accepted by ECCV2026. Code is available at https://github.com/hulianyuyy/CoLT
前缀引导的在线策略蒸馏：从轨迹中挖掘黄金轨迹
机构 * TeleAI ； Shanghai Jiao Tong University（上海交通大学）
AI总结 针对在线策略蒸馏在长程数学推理中效率低、噪声大的问题，提出前缀引导的在线策略蒸馏，通过前缀长度估计轨迹价值，仅对高重叠候选继续生成长轨迹，在多个基准上提升准确率并减少训练时间。
快速响应：从人类演示中提取隐含意图以构建个性化移动使用代理
机构 * School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； OPPO Research Institute（OPPO研究院）
AI总结 本文提出IFRAgent框架，通过分析显式和隐式意图流，提升移动代理对人类意图的对齐率和任务完成率。
LakeMLB: 数据湖机器学习基准
机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing Institute of Technology（北京理工大学） ； Nankai University（南开大学）
AI总结 LakeMLB提出一个数据湖机器学习基准，针对多源多表场景，提供真实数据集和三种整合策略，评估机器学习方法在复杂数据湖环境中的性能。
Comments 9 pages, 6 figures. Preprint
长周期推理代理用于竞赛级数学问题求解
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； MMLab ； The Chinese University of Hong Kong（香港中文大学） ； ICMAT Spanish National Research Council（西班牙国家科研 council） ； The High School Affiliated to Renmin University of China（中国人民大学附属高中） ； Ren Hui Academy of Beijing（北京润辉学院）
AI总结 本文提出Intern-S1-MO，通过多轮分层推理和OREAL-H框架，突破IMO级数学问题的上下文限制，实现26/35分的优异成绩。
iMontage：统一、多功能、高度动态的多对多图像生成
机构 * Nanyang Technological University（南洋理工大学） ； StepFun ； Shanghai Jiao Tong University（上海交通大学）
AI总结 iMontage通过整合视频模型的先验知识与图像数据的多样性，实现了统一、多功能且动态的多对多图像生成。
Comments Our homepage: https://kr1sjfu.github.io/iMontage-web/
AdaThink-Med：通过不确定性量化优化医学推理的推理时计算
机构 * SJTU（上海交通大学） ； SII（上海信息所） ； Shanghai AI Lab（上海人工智能实验室） ； FDU（复旦大学）
AI总结 本文提出AdaThink-Med框架，通过不确定性引导长度校准优化医学推理的推理时计算，在六大医学基准上降低4.7-6.4倍推理token消耗且性能损失极小，无需外部分类器即可实现资源高效分配。
用于3D理解的参数高效CLIP适配：通过统一分词实现
机构 * Fondazione Bruno Kessler（布鲁诺·科塞拉基金会） ； University of Trento（特伦托大学） ； University of Pisa（比萨大学） ； Beijing Forestry University（北京林业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology (GZ)（香港科技大学） ； Shandong University（山东大学） ； University of California, Merced（加州大学默塞德分校）
AI总结 本文提出参数高效框架UTok3D，通过学习尺度归一化3D分词器，实现冻结CLIP视觉主干在无标注情况下对不同尺度点云的复用，完成3D分割任务。
Comments 14 pages, tokenizer
视觉-语言-动作模型的动态执行承诺
机构 * University of Adelaide（阿德莱德大学） ； Sichuan University（四川大学） ； Shanghai Jiao Tong University（上海交通大学） ； Monash University（墨尔本大学） ； Zhejiang University（浙江大学） ； Imperial College London（伦敦帝国理工学院）
AI总结 本文提出A3机制，通过将动态执行承诺重新定义为自推测前缀验证问题，解决了视觉-语言-动作模型在动态或分布外情况下执行鲁棒性和推理吞吐量之间的平衡问题。
Comments code is available at https://inceptionwang.github.io/A3/
I3DM：隐式3D-aware记忆检索与注入用于一致的视频场景生成
机构 * Monash University（莫纳什大学） ； Vertex Lab（Vertex实验室） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出I3DM，一种隐式3D-aware记忆机制，通过预训练FF-NVS模型的中间特征进行视图相关性评分，提升复杂遮挡下的场景一致性生成效果。
Comments Project page: https://riga2.github.io/i3dm
LightningRL: 通过强化学习打破块状dLLMs的精度-并行性权衡
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 本文提出LightningRL框架，通过强化学习优化预训练dLLMs的速度-质量帕累托前沿，提升并行生成性能。
StructBiHOI: 结构化关节建模用于长时程双臂手-物体交互生成
机构 * Hefei University of Technology（合肥工业大学） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 StructBiHOI通过结构化关节建模框架实现长时程双臂手-物体交互生成，提升稳定性和效率。
LU-500：用于概念遗忘的标志基准
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 研究文本到图像模型中概念遗忘里公司标志未被充分研究的问题，引入LU-500基准及多粒度协议，通过实验评估多种方法，分析ProLU基线，指出未来标志遗忘或需空间感知控制。
校准数据在能力维度上的权衡：为什么多源混合对高稀疏LLM剪枝至关重要
机构 * Shanghai Jiao Tong University（上海交通大学） ； JD.com（京东公司）
AI总结 通过分解后剪枝能力维度并分析15个校准源，发现校准困惑度与通用能力保留正相关但与数学和代码能力保留负相关，提出多源混合校准方法IGSP以平衡各维度性能。
MinerU-Popo：结构化文档解析的通用后处理模型
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 提出MinerU-Popo轻量级通用后处理框架，通过分解为文本/表格截断恢复、标题层级重建和图文关联四个子任务，并利用动态分块和重叠同步将OCR页面级结果重构为文档级逻辑结构，显著提升标题层级TEDS和RAG准确性。
Comments The code is available at https://github.com/opendatalab/MinerU-Popo
StairMaster: 学习征服危险空心楼梯的敏捷四足机器人
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 提出StairMaster，一种三阶段强化学习框架，通过交叉注意力机制、空间感知循环单元和高保真深度传感器建模，实现四足机器人在空心楼梯上的稳定攀爬，零样本迁移达到55°坡度。
Comments 9 pages, 9 figures
Skills on the Fly: Test-Time Adaptive Skill Synthesis for LLM Agents
机构 * Shanghai Jiao Tong University（上海交通大学） ； OPPO Research Institute（OPPO研究院）
AI总结 本文提出了一种在测试时自适应的技能合成方法SkillTTA，通过检索与当前任务相关的少量训练轨迹并将其合成成为任务特定的文本技能，以提高LLM代理在SpreadsheetBench、ALFWorld和BigCodeBench等任务上的性能。
Comments 15 pages, 6 figures
POINTS-Seeker：从零开始训练多模态代理搜索模型
机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； CMIC, Shanghai Jiao Tong University（上海交通大学CMIC） ； WeChat AI, Tencent（腾讯WeChat AI）
AI总结 本文提出POINTS-Seeker模型，通过引入代理播种机制和V-Fold压缩方案，解决长周期交互中的证据检索问题，并在六个基准测试中超越现有模型。
GeoAnchor：通过潜在分解进行协作推理以实现3D空间理解
机构 * Shanghai Jiao Tong University（上海交通大学） ； Xingchen AGI Lab, China Telecom Artificial Intelligence Technology (Beijing) Co., Ltd（星辰通用人工智能实验室，中国电信人工智能技术（北京）有限公司） ； University of Science and Technology Beijing（北京科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 针对从2D图像理解3D空间关系的挑战，提出GeoAnchor框架，通过分解3D空间信息为互补组件并结合协作训练策略，实现动态可解释推理，在复杂3D推理任务中优于现有技术。
Comments Accepted by ACM MM 2026
T2LDM++：一种用于真实文本到激光雷达场景生成的自条件表示引导扩散模型
机构 * School of Computer Science and Engineering（计算机科学与工程学院） ； Nanjing University of Science and Technology（南京理工大学） ； Faculty of Data Science（数据科学学院） ； City University of Macau（澳门城市大学） ； Beijing Institute of Technology（北京理工大学） ； Fondazione Bruno Kessler（布鲁诺·凯瑟尔基金会） ； School of Public Health（公共卫生学院） ； Shanghai Jiao Tong University（上海交通大学） ； School of Computing（计算机学院） ； National University of Singapore（新加坡国立大学）
AI总结 针对文本-激光雷达数据稀缺导致场景过平滑和可控性不足的问题，提出T2LDM++模型，通过自条件表示引导（SCRG）提供重建监督，并构建高质量基准数据集，实现几何细节丰富的激光雷达场景生成。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈